.png){kind=icon}
返回
Weighted-average quantile regression
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jeconom.2025.106115.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，我们介绍了加权平均分位数回归模型。我们提出该模型在许多应用场景中具有研究价值，并为此模型参数开发了一个估计量。我们证明了在弱条件下，我们的估计量是T-一致的且渐进正态的，其中T为样本量。我们在两个实证场景中展示了该估计量的实用性。首先，我们研究了行业投资组合预期亏损的因素结构。其次，我们研究了不平等和社会福利对个体特征的依赖关系。
Keyword:
Linear regression
Quantile regression
Double/debiased machine learning
Risk measures
Expected shortfall
Inequality
Social welfare
期刊
IF:
4
论文数:
5.2K
被引数:
3.0W
机构
引用论文
Chen, X. and Liao, Z. (2013). Asymptotic properties of penalized M estimators with time series observations. Recent Advances and Future Directions in Causality, Prediction, and Specification Analysis 97-120.陈, X. 和 廖, Z. (2013). 带时间序列观测的惩罚M估计量的渐近性质. 近期进展与因果性、预测及规范分析的未来方向 97-120..png)
IF0
PREAI
分享收藏分享收藏
CHANGES IN THE UNITED-STATES WAGE STRUCTURE 1963-1987 - APPLICATION OF QUANTILE REGRESSIONECONOMETRICA
ECONOMETRICAIF7.1
PREAI
分享收藏分享收藏
查看更多内容